我对各种分类器（随机森林，SVM，NN）有一个多类分类问题，并且我使用OneVsRestClassifier来包装我的模型。我想使用一种解释性方法（LIME），该方法利用了总和为1的概率，但是当我使用函数predict_proba时，矩阵的总和并不总是总和为1。
这是一个多类分类问题。我检查了我的原始数据，二值化的值以及训练/测试数据，以检查是否存在类重叠。每个实例都有一个不同的标签（100、010或001）。
x = pd.read_pickle(r"x.pkl").values
y = pd.read_pickle(r"y.pkl").values
# binarize labels for multilabel auc calculations
y = label_binarize(y, classes=[0, 1, 2])
n_classes = y.shape[1]
# create train and test sets, stratified
x_train, x_test, y_train, y_test = train_test_split(x, y, stratify=y, test_size = 0.20, random_state=5)
rfclassifier = RandomForestClassifier(n_estimators=100, random_state=5, criterion = 'gini', bootstrap = True)
classifier = OneVsRestClassifier(rfclassifier)
classifier.fit(x_train, y_train)
prediction = classifier.predict(x_test)
probability = classifier.predict_proba(x_test)
#check probabilities
print(classifier.predict_proba([x_test[0]]).round(3))
print(classifier.predict_proba([x_test[1]]).round(3))
print(classifier.predict_proba([x_test[20]]).round(3))
print语句分别显示标签1、0和2的示例。
输出为[[0.164 0.836 0. ]]，[[0.953 0.015 0. ]]和[[0.01 0.12 0.96]]。最后两个（以及许多其他实例）的总和不为0，这使我无法实现可解释性方法。